切片

取一個list或tuple的部分元素是非常常見的操作。比如，一個list如下：

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

取前3個元素，用一行代碼就可以完成切片（Slice）：

>>> L[0:3] ['Michael', 'Sarah', 'Tracy']

L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素。

如果第一個索引是0，還可以省略：

>>> L[:3]

類似的，既然Python支持L[-1]取倒數第一個元素，那么它同樣支持倒數切片，試試：

>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob']

記住倒數第一個元素的索引是-1。

我們先創建一個0-99的數列：

>>> L = list(range(100)) #從0-100個數，但不包含100 >>> L [0, 1, 2, 3, ..., 99]

前10個數，每兩個取一個：

>>> L[:10:2] [0, 2, 4, 6, 8]

什么都不寫，只寫[:]就可以原樣復制一個list：

>>> L[:] [0, 1, 2, 3, ..., 99]

---

迭代

如果給定一個list或tuple，我們可以通過for循環來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。

只要是可迭代對象，無論有無下標，都可以迭代，比如dict就可以迭代：

>>> d = {'a': 1, 'b': 2, 'c': 3} >>> for key in d: ... print(key) ... a c b

因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。

默認情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()。

那么，如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：

>>> from collections import Iterable >>> isinstance('abc', Iterable) # str是否可迭代 True >>> isinstance([1,2,3], Iterable) # list是否可迭代 True >>> isinstance(123, Iterable) # 整數是否可迭代 False

最后一個小問題，如果要對list實現類似Java那樣的下標循環怎么辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身：

>>> for i, value in enumerate(['A', 'B', 'C']): ... print(i, value) ... 0 A 1 B 2 C

---

列表生成式

列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。

生成[1x1, 2x2, 3x3, ..., 10x10]：

>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

寫列表生成式時，把要生成的元素x * x放到前面，后面跟for循環，就可以把list創建出來。

for循環后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：

>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]

還可以使用兩層循環，可以生成全排列：

>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

for循環其實可以同時使用兩個甚至多個變量，那么列表生成式也可以使用兩個變量來生成list：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C']

---

生成器

通過列表生成式創建列表。會受到內存限制，列表容量肯定是有限的。所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現復雜邏輯的generator。

generator的工作原理是在for循環的過程中不斷計算出下一個元素，并在適當的條件結束for循環。對于函數改成的generator來說，遇到return語句或者執行到函數體最后一行語句，就是結束generator的指令，for循環隨之結束。

請注意區分普通函數和generator函數，普通函數調用直接返回結果；generator函數的“調用”實際返回一個generator對象。

要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>

創建L和g的區別僅在于最外層的[]和()，L是一個list，而g是一個generator。

我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？

如果要一個一個打印出來，可以通過next()函數獲得generator的下一個返回值；generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

正確的方法是使用for循環，因為generator也是可迭代對象：

>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ...

如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，可以用函數來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：

def fib(max):n, a, b = 0, 0, 1while n < max:print(b) a, b = b, a + b #賦值語句n = n + 1return 'done'

?

上面的函數可以輸出斐波那契數列的前N個數：

>>> fib(6) 1 1 2 3 5 8 'done'

上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了，這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator：

>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>

這里，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

同樣的，把函數改成generator后，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代；

但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

>>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done

eg：楊輝三角：

def triangles():L = [1]while len(L)<=10:yield LL.append(0)L = [L[i - 1] + L[i] for i in range(len(L))] for t in triangles():print(t)

---

迭代器

我們已經知道，可以直接作用于for循環的數據類型有以下幾種：

一類是集合數據類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用于for循環的對象統稱為可迭代對象：Iterable。

而生成器不但可以作用于for循環，還可以被next()函數不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。

凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for循環本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:pass

實際上完全等價于：

# 首先獲得Iterator對象: it = iter([1, 2, 3, 4, 5]) # 循環: while True:try:# 獲得下一個值:x = next(it)except StopIteration:# 遇到StopIteration就退出循環break

?

整理自：http://www.liaoxuefeng.com/

轉載于:https://www.cnblogs.com/itzhazha/p/6510742.html

總結

以上是生活随笔為你收集整理的Python4 高级特性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。